《表3 不同分类器的步态识别准确率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用鱼群算法进化极限学习机的假肢步态识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

为了说明本算法的有效性，做了对比实验，用笔者所述的特征提取方法提取的张量特征作为特征值输入BP神经网络、SVM和ELM分类器。对于训练集和测试集数据都使用10折交叉验证分类效果，如表3所示。鱼群算法进化ELM作为分类器的假肢步态识别方法，对每种步态的识别率均达到90.45%以上。由表3可以看出，笔者提出的鱼群算法进化ELM算法明显优于传统的BP神经网络、SVM等方法，这主要是因为BP神经网络易于陷入过学习，导致识别率不高。ELM方法5种步态的识别准确率与BP算法比较有不同程度的提升，其中平地行走识别率提升较少，提升了2.15%，下楼提升最多，提高将近6.73%。AF-ELM分类器的识别率高于没有经过参数优化的ELM分类器，说明优化后的ELM得到全局最优解，使步态整体识别率得到改善。